基于地理加权回归的疾病空间分析研究综述.docVIP

基于地理加权回归的疾病空间分析研究综述

地理加权回归（GeographicallyWeightedRegression,GWR）作为空间异质性分析的核心工具，自20世纪90年代提出以来，已被广泛应用于流行病学、公共卫生等领域的疾病空间分布规律研究。与传统全局回归模型假设变量关系在整个研究区域内恒定不同，GWR通过为每个空间单元赋予基于距离衰减的权重，能够捕捉变量间关系的空间非平稳性，为揭示疾病发生发展的地域差异性影响机制提供了方法支撑。当前疾病空间分析领域对GWR的应用覆盖了传染性疾病、慢性非传染性疾病、地方病等多个病种，研究维度从单纯的空间分布描述延伸到风险因子识别、传播路径模拟、干预效果评估等多个方向，形成了方法迭代与应用拓展相互促进的发展格局。

一、GWR在疾病空间分析中的应用场景拓展

（一）传染性疾病传播风险的空间异质性识别

在传染性疾病防控领域，GWR的核心价值在于突破了全局模型对风险因子平均效应的局限，能够精准识别不同区域内影响疾病传播的主导因素。以2020-2022年新型冠状病毒肺炎（COVID-19）的传播研究为例，国内多项研究基于省级、地级市尺度的病例数据，利用GWR分析人口流动、医疗资源密度、气温湿度、公共交通覆盖率等因素与感染率的空间关联，发现人口流动强度在东部人口密集城市对传播的解释度达到42%，而在西部边境地区输入性病例占比更高的区域，边境贸易频率的